[发明专利]一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法

说明书

本发明属于土壤环境监测与评估领域，具体涉及基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估。所述方法利用半监督地理空间回归分析方法在重金属浓度和成像高光谱影像数据之间建立模型；所述半监督地理空间回归分析方法是利用co‑training半监督回归方法和地理空间回归方法相结合的方法。本发明通过co‑training半监督方法建立模型进行土壤重金属浓度估算，实现有标签数据信息与无标签数据信息的综合利用，将部分无标签样本转换为有标签样本，极大扩充有标签样本集数量，使得最终训练得到的模型综合重金属地理空间分布特征和大量无标签样本为评估模型建立提供的学习空间，从而使模型的准确性和可靠性均得到提升。

技术领域

本发明涉及土壤中重金属浓度预测领域，具体涉及一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法。

背景技术

近年来，我国环境污染问题持续严重，为了更加高效的对土壤中重金属浓度进行监测评估，通过新技术新方法对土壤重金属浓度进行监测很有必要。传统土壤重金属浓度监测方法为野外土壤采样进行实验室化验测定，这种方法过于耗时耗力，而且获取的土壤重金属为点状信息，即使通过地理学空间插值方法也无法得到可信度较高的面状信息，不能对区域内连续地理空间进行分析判断。

常用的土壤重金属含量估算建模算法有偏最小二乘回归(PLS)、多元线性回归(MLR) 等。其中偏最小二乘是土壤重金属含量估算建模中使用最广泛的算法。目前，土壤重金属相关研究较多针对地面实验室光谱进行分析，而基于成像高光谱遥感进行土壤重金属含量估算研究极少，原因是航空成像高光谱数据本身特点与地面实验室光谱数据特性差异较大，使得室内光谱得到的分析与方法不能简单迁移至成像高光谱研究，相关研究与分析仍然停留在实验室分析阶段，无论从航空还是航天高光谱，并没有实现大尺度地理空间范围土壤重金属浓度估算的应用推广，从而一定程度限制了高光谱遥感在土壤重金属含量估算与制图中的应用。

经检索，现有技术中存在相关的申请案，如中国专利申请号201710900422.8，申请日为 2017年9月28日的申请案公开了基于无人机高光谱反演土壤中重金属污染监测方法，其监测方法的具体步骤如下：现场采样；样本预处理；使用X射线荧光分析仪采集样本的重金属污染源的主要研究元素的含量；利用地物光谱仪采集样本的实验室高光谱反射率；对原始光谱反射率数据分别进行数据处理；对使用偏最小二乘回归算法分别将已经测得的主要研究元素的含量分别与实验室高光谱原始反射率数据、倒数、对数、一阶微分以及二阶微分数据进行相关性分析并对模型进行验证优化，获得最优的变换方法，使用搭载高光谱成像光谱仪的无人机采集研究区高光谱反射率数据作为待测数据，大面积反演重金属含量。上述方法中X 射线荧光分析仪所测定的土壤重金属浓度的精确度远远达不到数据分析的精度要求，同时，该方法虽然可以一定程度上服务于土壤重金属空间分布制图，但基于旋翼的无人机高光谱数据获取能力较低，无法大范围应用；且其数据分析方法过于传统，也未给出实例验证结果。重金属的特征波段之间存在非线性空间关系，传统的偏最小二乘方法在对土壤重金属浓度估算时，是以数值准确性为论断的建模过程，其忽视地理学最基本的地物特征的空间连续性的问题，不具有空间特征。因此面对大范围研究区域时所产生的空间异质性问题不能有效的克服。

因此，基于现有技术的缺陷，亟需发明一种能够有效克服对大范围研究区域预测时所产生的空间异质性问题，从而提高模型准确度和可靠度的建模方法。

发明内容

1.要解决的问题

针对现有探测技术在对土壤重金属浓度估算时，单纯考虑建立数学模型、而忽视地理学最基本的地物特征的空间连续性的问题，不能克服大范围研究区域预测时的空间异质性问题，本发明通过co-training半监督方法建立模型进行土壤重金属浓度估算，实现有标签与无标签数据的综合利用，将部分无标签数据转换为有标签数据，极大扩充有标签样本集数量，使得最终训练得到的模型综合重金属空间分布属性和大量无标签样本提供的学习空间，从而使模型的准确性和可靠性均得到提升。

2.技术方案